这个问题可以通过动态规划来解决。我们定义一个二维数组dp，其中dp[i][j]表示将前i个金币分成j份时的最小花费。

初始化dp数组，对于每个i和j，如果i小于j，则dp[i][j]为无穷大（因为无法将i个金币分成j份），否则dp[i][j]为0（因为可以将所有金币放在一份中）。

然后，我们需要遍历所有的金币数和分割份数，对于每一对(i, j)，我们可以选择将第i个金币单独放一份，或者将其与前面的金币合并到某一份中。这样就可以得到dp[i][j]的值。

最后，dp[n][k]就是我们要找的答案，即分n个金币成k份的最小花费。

以下是Python代码实现：

python
def min_cost(n, k):
dp = [[float('inf')] * (k+1) for _ in range(n+1)]
for i in range(1, n+1):
dp[i][1] = sum(range(1, i+1))
for i in range(2, n+1):
for j in range(2, k+1):
for l in range(j1):
dp[i][j] = min(dp[i][j], dp[l][j1]+sum(range(l+1, i+1)))
return dp[n][k]

这个函数接受两个参数：n是金币的数量，k是要分成的份数。它返回的是将n个金币分成k份的最小花费。